一、agent的核心组成

Agent（智能体）的核心组成可以理解为让AI“能思考、能规划、能行动”的几个关键模块。虽然不同架构的实现有细节差异，但绝大多数Agent都包含以下四个核心部分：

1. 核心大脑：LLM（大语言模型）

这是Agent的“大脑”，负责所有认知任务：

功能	具体表现
理解任务	解析用户的自然语言指令
推理决策	根据当前状态和历史，决定下一步做什么
生成计划	将复杂任务拆解为可执行的子任务
生成输出	最终以文本形式给出回复或指令

如果没有LLM，Agent就没有“思考”能力，只是一个机械的执行器。

2. 规划模块（Planning / Reasoning）

规划模块让Agent具备了拆解任务和制定步骤的能力。它的核心机制是：

规划机制	说明
任务分解	将复杂任务拆分成可执行的小步骤（如 Chain-of-Thought、ReAct）
自我反思	定期检查已执行的动作是否达成目标，必要时调整计划
错误修正	如果某一步失败了，Agent可以重新规划路径（如自我纠正机制）
多步推理	支持“思考 → 行动 → 观察 → 再思考”的循环

如果没有规划模块，Agent就像“走一步看一步”，无法完成复杂的长期任务。

3. 工具调用模块（Tool Use）

这是Agent区别于纯LLM的核心所在——它让Agent真正能“动手”去改变外部世界。

工具可以是任何能调用的外部功能，常见的有：

工具类型	示例
搜索工具	Google搜索、百度搜索、Wikipedia查询
代码执行器	运行Python脚本、SQL查询
API调用	调用天气API、汇率API、数据库操作API
文件操作	读取、写入、修改本地文件
外部服务	发送邮件、调用Webhook、操作GitHub
专用工具	浏览器操作、调用其他AI模型

工具调用一般通过标准化接口（如OpenAI的Function Calling或通用的Tool SDK）来实现：Agent生成一个“调用请求”，外部系统执行，然后将结果返回给Agent。

如果没有工具调用模块，Agent就只能“纸上谈兵”，输出建议但无法真正执行。

4. 记忆模块（Memory）

记忆模块让Agent具备了持续学习和状态感知的能力，主要分两种类型：

记忆类型	说明	存储方式
短期记忆（Working Memory）	当前会话内的上下文（对话历史、当前任务状态）	LLM的上下文窗口（如4K、128K token）
长期记忆（Long-term Memory）	跨会话的知识、用户偏好、学习到的经验	向量数据库（如Chroma、Pinecone）、关系数据库或文件系统

记忆模块是Agent“越用越聪明”的基础。例如，Agent可以通过长期记忆记住用户的编码风格，在不同的会话中保持一致。

如果没有记忆模块，Agent每次对话都“失忆”，无法提供连贯的个性化服务。

四个组成部分的协同关系：